本文节选于《深度学习之pytorch物体检测实战》,供以后复习时查看
对于一个检测器，我们需要制定一定的规则来评价其好坏，从而选 择需要的检测器。对于图像分类任务来讲，由于其输出是很简单的图像 类别，因此很容易通过判断分类正确的图像数量来进行衡量。
物体检测模型的输出是非结构化的，事先并无法得知输出物体的数量、位置、大小等，因此物体检测的评价算法就稍微复杂一些。对于具 体的某个物体来讲，我们可以从预测框与真实框的贴合程度来判断检测 的质量，通常使用IoU（Intersection of Union）来量化贴合程度。
图1 IoU的计算过程
利用Python可以很方便地实现IoU的计算，代码如下：
版权声明：
本文来源网络，所有图片文章版权属于原作者，如有侵权，联系删除。
本文网址：https://www.mushiming.com/mjsbk/6652.html